كاربرد داده‌كاوي با استفاده از الگوريتم‌هاي يادگيري ماشين براي بررسي تاثير ويژگي‌هاي خودرو در پيش‌بيني ريسك خسارت مالي در رشته بيمه شخص ثالث

هدف: طبقه‌بندي ريسك بيمه‌گذاران بر مبناي ويژگي‌هاي قابل مشاهده مي‌تواند به شركت‌هاي بيمه جهت كاهش زيان، شناخت دقيق‌تر مشتريان و جلوگيري از وقوع انتخاب نامساعد در بازار بيمه كمك شاياني كند. هدف اين مقاله، بررسي خسارت‌هاي مالي ايجاد شده در بيمه شخص ثالث و پيش‌بيني ريسك بيمه‌گذاران در احتمال وقوع حادثه مي‌باشد. روش‌شناسي: با استفاده از الگوريتم‌هاي درخت تصميم، ماشين بردار پشتيبان، نايو بيز و شبكه عصبي؛ به كشف الگوهاي پنهان داده‌ها، در راستاي طبقه‌بندي بيمه‌گذاران بيمه شخص ثالث پرداخته شده است. همچنين توزيع نامتعادل داده‌ها در دو گروه خسارت‌ديده و خسارت‌نديده سبب يك چالش مهم در كاربرد روش‌هاي يادگيري ماشين و داده‌كاوي است كه در اين مقاله مورد توجه قرار گرفته است. يافته‌ها: مجموعه داده متعلق به يكي از شركت‌هاي بيمه و حاوي بيش از چهارصد هزار نمونه ثبت شده در پنج سال و شامل چهار متغير مستقل نوع خودرو، گروه خودرو، نوع پلاك و سن خودرو و يك متغير وابسته و دو ارزشي خسارت مالي است. با توجه به نتايج بدست آمده بهترين كاركرد و دقت پيش‌بيني (با دقت F1=) مربوط به مدل درخت تصميم مي‌باشد. نتيجه‌گيري: ميزان تاثيرگذاري متغيرها در وقوع خسارت به ترتيب اولويت عبارتنداز: نوع خودرو، نوع پلاك، سن خودرو و گروه خودرو. نتايج ارزيابي نشان مي‌دهد براي پيش‌بيني دقيق‌تر خسارت و مشتريان پر ريسك به داده‌هاي بيشتري مرتبط با ويژگي‌هاي راننده نياز مي‌باشد.